平行語料庫與雙語詞典編纂

摘 要 平行語料庫除擁有普通語料庫的一些最基本的功能如詞頻統(tǒng)計、義項頻率統(tǒng)計、關(guān)鍵詞索引(KWIC)等之外，還應(yīng)有一些獨有的功能，如提供真實例證及譯文，提供確切的譯名等。這對于雙語詞典的修訂和新詞語詞典的編纂具有非常重要的作用。

關(guān)鍵詞 平行語料庫 雙語詞典編纂

語料庫已廣泛應(yīng)用于單語詞典編纂，但在雙語詞典的編纂中，語料庫的應(yīng)用還相對較少。筆者在詞典編纂實踐中發(fā)現(xiàn)，現(xiàn)在廣為流行的普通單語語料庫對雙語詞典的編纂的作用是有限的，大量問題仍需通過查閱各種資料來解決。若利用平行語料庫(parallel corpora)，則問題常常可以迎刃而解。

平行語料庫是一種雙語或多語的語料庫，即庫中不但有源語文本，還有對應(yīng)的譯語文本。兩種或多種文本一般采用句子或段落對齊方式編排。計算機可以對源語文本和譯語文本進行全文檢索，并提供對照顯示。常見的平行語料庫有以下幾種：

其一，由源語A的文本和譯語B(或C、D等)的對應(yīng)文本構(gòu)成的平行語料庫。其二，由源語A和源語B的文本及其相互的譯語文本構(gòu)成的平行語料庫。

其三，只有A、B或C等語言的譯語文本構(gòu)成的平行語料庫，源語文本不出現(xiàn)。^[1]

簡單地說，第一種是從源語到譯語的單向語料庫，第二種是兩種語言的雙向語料庫，第三種是譯語語料庫(不含源語)。以英語和漢語為例；英漢語料庫屬第一種；英漢—漢英語料庫屬第二種；從同一源語文本分別翻譯成英語和漢語，則英漢兩種文本可構(gòu)成第三種語料庫。編纂不同的雙語詞典，應(yīng)該使用不同的語料庫。本文以英漢詞典編纂為例，探討基于平行語料庫的雙語詞典編纂，希望能給平行語料庫的建設(shè)和利用帶來一些啟迪。

一、平行語料庫的發(fā)展?fàn)顩r

目前世界上單語語料庫的發(fā)展十分迅猛，技術(shù)也已臻成熟。但平行語料庫的發(fā)展才剛剛起步，對平行語料庫的作用的認(rèn)識也有待深化。平行語料庫在機器翻譯中的作用已得到肯定，而在雙語詞典編纂中的應(yīng)用則尚處于初始階段。

筆者在因特網(wǎng)上搜索發(fā)現(xiàn)，歐洲各種語言間的平行語料庫較多，英漢平行語料庫卻不多。英國建有蘭開斯特英漢平行語料庫，我國有北京外國語大學(xué)王克非等建的英漢平行語料庫。可見，建設(shè)大型的平行語料庫在技術(shù)支持上已經(jīng)沒有多少障礙，上海世紀(jì)出版集團與復(fù)旦大學(xué)、交通大學(xué)等單位合作建立的大型英漢雙語語料庫現(xiàn)在也已經(jīng)啟動。網(wǎng)上還有一些小型英漢語料庫，如互聯(lián)網(wǎng)上有中科院計算機研究所開發(fā)的“雙語句對數(shù)據(jù)庫”(http:∥mtgroupictaccn/corpus)和麓巍的“英漢雙語平行語料庫”檢索頁面(http:∥oechwxmueducn/hanyu/data/eccorpus/queryasp)。此外還有外語教師自建的小型英漢平行語料庫^[2]。

二、平行語料庫建設(shè)的難點

與單語語料庫相比，建設(shè)平行語料庫存在兩個難題：一是雙語語料的收集，二是雙語語料的對齊處理( alignment)。

網(wǎng)絡(luò)上存在大量雙語文本，如雙語對照的新聞報道、法律文書、電影劇本、經(jīng)典著作和小說等。這些語料的優(yōu)點是更新快、數(shù)量大，可以從中采集到最新的語料，而且網(wǎng)上的電子文本可直接采用，節(jié)約掃描錄入等方面的工作量。網(wǎng)上語料的缺點是準(zhǔn)確率不高，譯文質(zhì)量良莠不齊，很難把握。

已出版的經(jīng)典著作譯本無疑是良好的雙語語料來源。然而，由于許多譯本沒有電子文本，可能需要掃描錄入。在這過程中難免有錯誤發(fā)生。

英語口頭語料的采集、記錄、整理及翻譯，是平行語料庫建設(shè)的最大難題。這項工作在國內(nèi)是無法進行的。但如果語料庫中沒有一定比例的口語資料，就無法全面反映語言的真實情況。一個可能的解決方法，是尋找電影對白、廣播電視節(jié)目等語料來替代。

語料的對齊處理，是指將源語文本和譯語文本按段落或按句一一對應(yīng)起來。段落對齊較容易實施，但句對齊的語料使用起來更便利，價值更大。平行語料的句子自動對齊，從總體上看，正確率尚不高。特別是有的譯文十分靈活，雙語之間的對應(yīng)并不嚴(yán)格。這樣，自動對齊之后，尚需人工審校。為此，中科院軟件研究所開發(fā)了“平行語料自動對齊軟件”和“平行語料對齊校對工具”。這些工具的準(zhǔn)確率較高，但仍需人工校對。

平行語料中的名詞術(shù)語也可以對齊，但工作量較大；由于譯法常存在差異，自動對齊的準(zhǔn)確率不一定會很高。語料中普通詞匯的對齊，則可行性和實用性都不大。

平行語料的其他處理，如題材分類、標(biāo)注、切分等，與單語語料的處理類似。一些單語語料庫使用的賦碼和檢索軟件，在雙語語料庫中同樣可以使用。

三、平行語料庫在雙語詞典編纂中的作用

平行語料庫擁有普通語料庫的一些最基本的功能，如詞頻統(tǒng)計、義項頻率統(tǒng)計、關(guān)鍵詞索引(KWIC)等。除此之外，還有一些獨有的功能。例如，在英漢平行語料庫中檢索英語關(guān)鍵詞，可以得到大量真實語例及其譯文；同樣，也可以檢索漢語關(guān)鍵詞，以獲取對應(yīng)的英語表達(dá)法。平行語料庫對于雙語詞典編纂至少有以下一些作用：

1.提供真實例證及譯文

現(xiàn)有雙語詞典中的例證基本來自已有的原文詞典藍(lán)本，有的甚至引自現(xiàn)有的雙語詞典。拿幾本詞典來稍作對比就可發(fā)現(xiàn)，一般都是將比較經(jīng)典的例句進行改頭換面，如“he”改為“she”，“1980”改為“2000”，“60歲”改為“70歲”，“紅色”改為“藍(lán)色”等。即使最具原創(chuàng)性的《英漢大詞典》，由編者自己采集的例證也不過十分之一。原因是顯而易見的，在沒有語料庫的情況下，若要編者自己采集大量例句，不僅時間不允許，質(zhì)量也無法保證。

根據(jù)用戶的關(guān)鍵詞檢索，平行語料庫能提供大量雙語對照的語言實例。在雙語詞典編纂中，藉此可以非常輕松地找到合適的例證。如在上文提到的麓巍的英漢雙語平行語料庫(僅1500個句對)檢索頁面中，輸入mind一詞，即可得到167個例句，涵蓋了mind的各個義項。從中還能找到make up one's mind，in(out of)one's mind，keep sth in one's mind，take sth off one's mind，set one's mind on，great minds think alike等習(xí)語。漢語譯法更是異彩紛呈，僅mind一詞的名詞意義在不同的語境中就有“腦子、腦海、腦袋、心、思想、頭腦、腦筋、品德、主意、注意力、決定、主見、見解”等不同譯法，比《英漢大詞典》mind條提供的譯法還要豐富。

在詞典編纂中，輸入詞目(或詞組)和與義項相配的漢語譯義等關(guān)鍵詞，即可得到較多的搜索結(jié)果，再從中選擇合適的例子即可。如果例句過長，還可以對其進行縮減；也可以對原有的譯法作一些修正。

由此可見，平行語料庫可大幅度降低雙語詞典編纂對藍(lán)本的依賴性，充分體現(xiàn)“獨立研編”的思想。

2.提供確切的譯名

在雙語詞典的編纂過程中，一個常見的難題，是編者對詞目或例句中的某些人名、地名、商標(biāo)名、術(shù)語等的中文譯名不了解，而且這些詞一般詞典中也不收錄。有些譯名實際上是詞典編者杜撰的，離語言現(xiàn)實太遠(yuǎn)，也不符合現(xiàn)代語言學(xué)的描寫主義思想。如《英漢大詞典》將walkman一詞譯為“步行者錄放機”，而其常用名為“隨身聽”。

有了大型的平行語料庫，尋找合適的譯名就非常便捷。但目前已有的小型平行語料庫尚難以提供這些譯名。筆者在修訂《英漢大詞典》的過程中，因為沒有大型的平行語料庫，便只能在網(wǎng)上搜索一些雙語網(wǎng)頁，從中找到合適的譯名。這雖也能取得較好效果，但畢竟網(wǎng)上的內(nèi)容過于繁雜，有時為找到一個譯名，耗時甚多；對所找到的譯名的正確性也沒有把握，還要反復(fù)驗證。

近來有學(xué)者認(rèn)為，平行語料庫可用于術(shù)語抽取以及術(shù)語詞典的編纂和自動生成。^[3]但筆者認(rèn)為，編纂這樣的詞典，語料庫的主題與所編詞典必須有相當(dāng)大的學(xué)科關(guān)聯(lián)性，才有可能取得成功。

3.用于雙語詞典的修訂和新詞語詞典的編纂

新一代語料庫基本上都是開放性的，即新語料一直源源不斷地輸入庫中。這就是辛克萊爾教授提出的監(jiān)控語料庫(monitor corpus)的概念。大型平行語料庫同樣應(yīng)該是開放性的，不僅可以監(jiān)控源語的新變化，而且可以監(jiān)控譯語中新譯名的出現(xiàn)及舊譯名的變化。這樣將大大縮短詞典修訂和增補的周期，還可以為編寫新詞語詞典提供便利。在《英漢大詞典》的修訂中，筆者就曾根據(jù)新的雙語語料對一些英語新詞的譯名作了更改，如：

Euro歐元［原譯：歐羅(擬議中的歐洲通用貨幣單位)］

convenience store便利店［原譯：(經(jīng)特許延長營業(yè)時間的)方便小商店］

hedge fund對沖基金［原譯：有限合伙投機基金；投機性投資集團］

Nicam麗音［《英漢大詞典補編》原譯：納坎系統(tǒng)］[ZK)][T]

4.查尋經(jīng)典語句的經(jīng)典譯法

一些名著名篇，如《圣經(jīng)》、莎劇、著名演說等，可以全文收入語料庫，同時錄入經(jīng)典譯文。有的軟件系統(tǒng)還可以支持多種譯文。這樣我們就可以從平行語料庫中方便地查得一些經(jīng)典著作中的名句的譯法。

5.查尋超詞匯語言單位的譯法

語言中有些較大的語言單位在詞典中是查不到的，但在平行語料庫中檢索就非常便利。有時一些句子結(jié)構(gòu)的譯法也可以從中獲得參考。例如：

The bloody visions passed in and out of her mind那血淋淋的幻影在她腦海中時隱時現(xiàn)。

I have a bottomeddown mind我是個沒有多少獨到見解的人。

The last years passed from her mind過去的歲月從她的腦子中閃過。

It was borne in the latter with decent philosophy四鄰八舍對這件事都抱著相當(dāng)超然的態(tài)度。

No sooner had I entered the room than I noticed the smell not only of tobacco but of gas我一進房間就注意到不僅有煙味還有煤氣味。

由此可見，英語中一些用法早已有了較貼切的漢語對應(yīng)譯法，后來的譯者不必再重復(fù)做同樣的工作。否則，不僅費時費力，而且往往還不如前人譯得好。

由上文的討論可以看出，在不遠(yuǎn)的將來，平行語料庫可能會成為雙語詞典編纂必不可少的工具，但這不是唯一的工具。平行語料庫可以與規(guī)模較大的詞典數(shù)據(jù)庫以及詞典編纂軟件聯(lián)合在一起，構(gòu)成一個詞典編纂平臺。在這樣的平臺上，詞典的編寫、修訂、簡縮都將非常便捷。由于國內(nèi)尚無較實用的大型英漢平行語料庫，我國英漢詞典的編纂、修訂在質(zhì)量和速度上均受到制約。以詞典編纂為目標(biāo)的英漢平行語料庫的建設(shè)非常迫切。

大型平行語料庫的建設(shè)需要語言專家、計算機專家的共同參與，耗資較大，立項時一定要慎重。語料庫的使用目的要明確，最好首先確定國內(nèi)是否已有現(xiàn)成的技術(shù)或同類的語料庫，盡可能避免重復(fù)建設(shè)。

附注

［1］Teubert WComparable or Parallel Corpora? International ournal of Lexicography，[WTBZ]1996(3)

［2］謝家成小型英漢平行語料庫的建立與運用解放軍外語學(xué)院學(xué)報，2004(3)

［3］孫樂，金友兵，等平行語料庫中雙語術(shù)語詞典的自動抽取中文信息學(xué)報，2001(6)

(浙江萬里學(xué)院外語學(xué)院寧波315100)

(責(zé)任編輯陸嘉琦)